我试图将android语音识别服务所听的音频数据保存在一个文件中。
实际上,我实现了RecognitionListener,如这里所解释的:Android上的文字演讲
将数据保存到缓冲区中,如下图所示:捕获发送到Google语音识别服务器的音频
并将缓冲区写入Wav文件,如这里所示。Android将原始字节记录到用于Http流的WAVE文件中。
我的问题是如何获得适当的音频设置,以保存在wav文件的头。实际上,当我播放wav文件时,只听到奇怪的噪音,在这个参数下,
short nChannels=2;// audio channels
int sRate=44100; // Sample rate
short bSamples = 16;// byteSample或者什么都不做:
short nChannels=1;// audio channels
int sRate=8000; // Sample rate
short bSamples = 16;// byteSample令人困惑的是,从logcat查看语音识别任务的参数,我发现第一个设置回放采样率为44100 HZ。
12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Set PLAYBACK PCM format to S16_LE (Signed 16 bit Little Endian)
12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Using 2 channels for PLAYBACK.
12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Set PLAYBACK sample rate to 44100 HZ
12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Buffer size: 2048
12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Latency: 46439然后,当aInfo.SampleRate = 8000播放要发送到google服务器的文件时:
12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::InitWavParser
12-20 14:41:36.152: DEBUG/(2364): File open Succes
12-20 14:41:36.152: DEBUG/(2364): File SEEK End Succes
...
12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::ReadData
12-20 14:41:36.152: DEBUG/(2364): Data Read buff = RIFF?
12-20 14:41:36.152: DEBUG/(2364): Data Read = RIFF?
12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::ReadData
12-20 14:41:36.152: DEBUG/(2364): Data Read buff = fmt
...
12-20 14:41:36.152: DEBUG/(2364): PVWAVPARSER_OK
12-20 14:41:36.156: DEBUG/(2364): aInfo.AudioFormat = 1
12-20 14:41:36.156: DEBUG/(2364): aInfo.NumChannels = 1
12-20 14:41:36.156: DEBUG/(2364): aInfo.SampleRate = 8000
12-20 14:41:36.156: DEBUG/(2364): aInfo.ByteRate = 16000
12-20 14:41:36.156: DEBUG/(2364): aInfo.BlockAlign = 2
12-20 14:41:36.156: DEBUG/(2364): aInfo.BitsPerSample = 16
12-20 14:41:36.156: DEBUG/(2364): aInfo.BytesPerSample = 2
12-20 14:41:36.156: DEBUG/(2364): aInfo.NumSamples = 2258那么,如何找到正确的参数来保存一个好的wav音频文件中的音频缓冲区呢?
发布于 2012-05-29 21:50:30
您还没有包含用于实际编写PCM数据的代码,因此很难诊断,但是如果您听到奇怪的噪音,那么很可能您在编写数据时使用了错误的恩甸或错误的通道数。错误的采样率只会导致音频听起来更慢或更快,但如果声音听起来完全乱七八糟,那么在指定通道数或字节流的枚举性方面可能是一个错误。
要确定,只需直接将字节流到没有任何头(原始PCM数据)的文件中即可。这样,您就可以排除在写入文件头时出现的任何错误。然后使用胆量导入原始数据,尝试不同的选项(位深度、端点、通道),直到您得到一个听起来正确的音频文件(只有一个是正确的)。你可以从文件->导入->原始数据.
一旦以这种方式标识了字节格式,您只需担心是否正确设置了标头。您可能希望引用此引用http://www-mmsp.ece.mcgill.ca/Documents/AudioFormats/WAVE/WAVE.html来获取文件格式。或者查看关于编写音频文件、Java -读取、操作和写入WAV文件或FMJ的现有Java解决方案的以下链接。虽然我想这些可能不能在Android上使用。
如果您必须滚动您自己的WAV/RIFF编写器,请记住,Java的数据类型是大端,因此您写入文件的任何多字节原语都必须用反向字节顺序编写,以匹配RIFF的小权限。
发布于 2012-07-11 19:35:52
8000,小终端,16位PCM,单通道
发布于 2016-02-03 15:30:53
在最新版本的onBufferReceived无法工作,您可以使用从语音识别意图记录/保存音频代替。
https://stackoverflow.com/questions/8583406
复制相似问题